論文の概要: Position: AI Agents in Scientific Teams Should Be Studied as Human-Agent Systems
- arxiv url: http://arxiv.org/abs/2608.14667v1
- Date: Sun, 02 Aug 2026 05:27:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-23 14:54:39.954247
- Title: Position: AI Agents in Scientific Teams Should Be Studied as Human-Agent Systems
- Title（参考訳）: 科学チームのAIエージェントは人間-エージェントシステムとして研究されるべき
- Abstract要約: 我々は、AIサイエンティストを人間エージェントシステム(HAS)として研究することは、ともに過小評価され、過小評価されていると論じる。
科学者とエージェントがお互いの能力を増強できることを示す。
- 参考スコア（独自算出の注目度）: 14.373499943057668
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model-based agents are increasingly deployed as collaborators in scientific discovery yet most current work focuses on the autonomous capabilities of "AI Scientists". We argue that this overlooks the social aspects of scientific teamwork, and that studying AI Scientists as human-agent systems (HAS)--where the unit of analysis is the human-agent pair--is both underexplored and undervalued. We establish these points through literature and empirical analysis, and highlight recent incidences and studies which show that deploying agents in science without accounting for human-agent dynamics introduces near-term risks, including reduced diversity of scientific inquiry. Through analysis of real-world case studies, we show that scientists and agents can augment each other's capabilities. We call for new research that adopts the HAS lens to develop mathematical frameworks for understanding and fostering human-AI synergy in scientific discovery.
- Abstract（参考訳）: 大規模言語モデルに基づくエージェントは、科学的発見において共同研究者としてますます多くデプロイされているが、現在のほとんどの研究は「AI科学者」の自律的な能力に焦点を当てている。
我々は、これは科学チームワークの社会的側面を見落としており、AIサイエンティストを人間エージェントシステム(HAS)として研究している。
文献や実証分析を通じてこれらの点を確立するとともに,人間エージェントのダイナミクスを考慮せずにエージェントを科学に展開することは,科学的調査の多様性の低下を含む短期的リスクをもたらすことを示す最近の事例と研究を強調した。
実世界のケーススタディの分析を通して、科学者とエージェントがお互いの能力を増強できることが示される。
我々は、科学発見における人間-AIシナジーの理解と育成のための数学的枠組みを開発するために、HASレンズを採用する新しい研究を求めている。
関連論文リスト
- AI Scientist Mission Control (AIMC): Visual Analytics for Human Oversight of Autonomous Scientific Discovery [12.1714185601677]
我々は、自律的な科学的発見の人間の監視のための視覚分析フレームワークであるAIMCを紹介する。
我々は、自律型AI科学者(FARS)が作成した論文のケーススタディを通して、この枠組みを実証する。
本分析では, 再発する方法論的弱点, 研究テーマの進化, 品質のドメイン固有の相違, および, 極めて新しい論文の集合を明らかにした。
論文 参考訳（メタデータ） (2026-08-10T15:46:03Z) - Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。
ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。
タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
論文 参考訳（メタデータ） (2026-06-10T22:55:30Z) - OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists [47.41269933143946]
我々は、人間の研究の基盤となるメカニズムをAI科学ワークフローにエンコードするフレームワークであるOmniScientistを紹介します。
OmniScientistは、データ基盤全体にわたるエンドツーエンドの自動化、文献レビュー、研究のアイデア、実験の自動化、科学的執筆、ピアレビューを実現している。
このインフラは、エージェントが人間の知識システムを理解し、活用するだけでなく、協力し、共同開発することを可能にする。
論文 参考訳（メタデータ） (2025-11-21T03:55:19Z) - Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。
本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。
オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
論文 参考訳（メタデータ） (2025-10-10T22:26:26Z) - From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [108.1082357960201]
エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。
この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
論文 参考訳（メタデータ） (2025-08-18T05:25:54Z) - SciSciGPT: Advancing Human-AI Collaboration in the Science of Science [8.596023415358433]
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、人間とAIのコラボレーションに新たな可能性をもたらしている。
我々はSciSciGPTを紹介した。SciSciGPTはオープンソースのプロトタイプAIコラボレータで、科学の科学をテストベッドとして利用し、LLMを利用した研究ツールの可能性を探る。
論文 参考訳（メタデータ） (2025-04-07T23:19:39Z) - Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。
AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。
これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
論文 参考訳（メタデータ） (2025-03-28T14:00:27Z) - AIGS: Generating Science from AI-Powered Automated Falsification [17.50867181053229]
本稿では,重要な研究プロセスを代表する役割を担ったマルチエージェントシステムである,フルプロセスAIGSシステムのベビーステップとして,Baby-AIGSを提案する。
3つのタスクの実験では、Baby-AIGSは経験豊富な人間の研究者と同等ではないが、有意義な科学的発見を産み出すことができた。
論文 参考訳（メタデータ） (2024-11-17T13:40:35Z) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。